שיחה עם ערן שריון, מנהל תחום אוטומציה ורובוטיקה בחברת SU-PAD, שופכת אור על כיצד nתבצע בשטח ה״דמוקרטיזציה של האוטומציה״, זו שמאפשרת למפתחים להטמיע מודלים של למידה עמוקה ישירות בקובוטים ומדוע להערכתו קצב אימוץ הבינה המלאכותית באולמות הייצור רק יילך וייגבר
בינה מלאכותית (AI) נתפסת לעיתים קרובות כמשהו שקורה לו אי שם, רחוק מאיתנו, אולי בענן, אבל, בטוח שלא כאן על הקרקע, שהרי בסך הכל מדובר על שורות קוד המייצרות טקסט, או תמונה. אבל, מי שמסתובב בשנתיים האחרונות באולמות ייצור ובמפעלי התעשייה, יכול להעיד בבירור וממקור ראשון, שהמהפכה האמיתית מתרחשת כעת דווקא כאן, בעולם הפיזי והיא זו שגם הביאה לאוויר העולם מונח חדש ומעורר סקרנות: Physical AI (בינה מלאכותית פיזית) – מונח שמגדיר מחדש את הממשק בין אלגוריתמים לבין חומר, ומעניק לפחות לתחום תעשייתי מובהק אחד – ענף הרובוטיקה – את מה שהיה חסר לו במשך ארבעה עשורים: יכולת תפיסה ׳אנושית׳, הסתגלות ולימוד עצמי.
מי שרואה מקרוב כיצד התופעה מתממשת בשטח, ערן שריון, מנהל תחום אוטומציה ורובוטיקה בחברת סו-פאד (SU-PAD), מעיד כי אכן רואים את ניצני המהפיכה וכי הקצב גובר והולך באימוץ AI. שריון, שמלווה את התעשייה הישראלית באימוץ פתרונות קובוטיים (רובוטים שיתופיים) של חברת Universal Robots ושל חברת MiR, מסביר שהשינוי הוא דרמטי: "אנחנו עוברים מעולם של תכנות נוקשה לעולם של למידה מבוססת ניסיון. אם בעבר היינו צריכים להגדיר לרובוט כל מילימטר בתנועה, היום ה-AI מאפשר לו 'להבין' את הסביבה ולהגיב לשינויים בזמן אמת". לדבריו, UR, חלוצת הקובוטים העולמית, נמצאת בחזית המגמה הזו. ״באמצעות כלי עבודה חדשים כמו ה-AI Accelerator, שפותח בשיתוף עם NVIDIA, החברה מאפשרת למפתחים להטמיע מודלים של למידה עמוקה ישירות בתוך הקובוט״.
התוצאה? קובוטים שלא זקוקים לתכנות מחדש בכל פעם שמיקום החלק על המסוע משתנה בחצי סנטימטר. "המשמעות היא דמוקרטיזציה של האוטומציה", אומר שריון. "מפעלים קטנים ובינוניים, שלא מחזיקים צוותי מתכנתי רובוטים במשרה מלאה, יכולים פתאום להטמיע מערכות מורכבות בזכות ממשקים אינטואיטיביים שמבוססים על הדגמה ולא על קוד. בסוף היום, הרובוטיקה המתקדמת של היום מוגדרת על ידי שלוש יכולות ליבה: היכולת ללמוד ולבצע באופן אוטונומי משימות מורכבות; היכולת להסתגל ולקיים אינטראקציה עם כלים, אובייקטים וסביבות משתנות; והיכולת לנווט ולפעול בבטחה בסביבות דינמיות בעולם האמיתי.״
מהמעבדה אל רצפת הייצור
הדו"ח האחרון של הפדרציה הבינלאומית לרובוטיקה (IFR) מצביע על כך שה-AI הופך מטכנולוגיה מסייעת למנוע המרכזי של הענף. היכולת להעניק לבינה המלאכותית "גוף רובוטי" מאפשרת לה לצאת מהסביבה המבוקרת של המעבדה אל המורכבות של המפעל, אומר הדו״ח. ״לא מדובר רק בשיפור של תהליך קיים, אלא ביצירת קטגוריה חדשה של יישומים. בעבר, רובוט תעשייתי היה ׳עיוור׳ למחצה – הוא ביצע מסלול קבוע במרחב סטרילי. ה-Physical AI מעניק לו "עיניים" ומערכת עצבים המאפשרת לו לפעול בסביבות משתנות (Unstructured environments).
לפי שריון, היישום של Physical AI נחלק כיום לשתי גישות מרכזיות, שלכל אחת יתרונות וחסרונות ברורים עבור המפעל הישראלי:
הגישה המודולרית (AI Pipelines) מתייחסת לרובוטיקה כאל בעיה גיאומטרית. כאן המשימה מפורקת לתתי-תהליכים. מודל אחד אחראי על הראייה הממוחשבת, מודל שני על תכנון מסלול ומודל שלישי על הבקרה. "זו גישה שמעניקה למהנדסים שליטה מלאה ובטיחות מקסימלי", מסביר שריון. "היא מצוינת למשימות הדורשות דיוק גבוה ומהירות, אבל היא דורשת יותר תחזוקה כשמשנים את פס הייצור". בשיטה זו, ניתן לבצע אופטימיזציה לכל שלב בנפרד, מה שמבטיח עמידות גבוהה יותר בפני תקלות בלתי צפויות.
גישת קצה-לקצה (End-to-End) מנסה לפתור את הרובוטיקה כבעיית למידה. רשת עצבית אחת מעבדת הכל, מהווידאו ועד לפקודת המנוע. זה נותן לרובוט יכולת הסתגלות מדהימה למצבים משתנים, אבל זה מגיע עם מס בטיחות כבד. Physical AI, מאפשר לרובוט ללמוד משימות מורכבות רק מצפייה בבני אדם (Imitation Learning). עם זאת, שריון מסייג: "מכיוון שהמודל הוא הסתברותי, קשה יותר לצפות את התנועה שלו ב-100 אחוד מהזמן ומחייב אותנו לעמוד בתקני בטיחות". הפיתוחים האחרונים מנסים לגשר על הפער הזה באמצעות סימולציות דיגיטליות (Digital Twins) המאפשרות לרובוט "להתאמן" מיליוני פעמים בעולם וירטואלי לפני שהוא נוגע בחלק פיזי בקו הייצור.
״כשאני מלווה מפעלים בהטמעת פתרונות אוטומציה מורכבים, אני רואה שהביצועים נתקעים במתח שבין שתי הגישות״, אומר שריון. ״אני לא מאמין שיש גישה אחת שהיא הנכונה יותר באופן גורף. אצלנו בחברה, אנחנו בוחנים מה נכון לצרכים של המפעל הלקוח ומה ייתן לו את ה- ROI היציב מהיום הראשון. אנחנו מתאימים את הפתרון במדויק לצרכים הספציפיים של כל מפעל וכל קו ייצור״.
תמונה 1: פתרון משולב בו הזרוע הקובוטית של UR , מותקנת על גבי רובוט נייד MiR600 קרדיט: Universal Robots
לוגיסטיקה חכמה: כשהזרוע והגלגלים נפגשים
השילוב המרתק ביותר של Physical AI בא לידי ביטוי בשיתוף הפעולה בין UR לחברה האחות שלה, MiR – Mobile Industrial Robots. בעוד ש-UR מספקת את ה"ידיים" (הזרוע השיתופית), MiR מספקת את ה"רגליים", הרובוטים האוטונומיים הניידים (AMRs).
כיום ניתן לראות פתרונות משולבים, דוגמת הזרוע הקובוטית של UR, המותקנת על גבי רובוט נייד 600MiR. השילוב הזה, שמופעל על ידי מעבדי AI חזקים, מאפשר לרובוט לנוע במחסן, לזהות משטחים (גם אם הם פגומים או מונחים בצורה עקומה) ולבצע משטוח (Palletizing) או פריקה באופן עצמאי לחלוטין. מדובר באקו-סיסטם שלם שבו הרובוט הנייד מתקשר עם המכונות בקו, מזהה מתי יש צורך בפינוי סחורה, ומנווט בצורה אופטימלית תוך חישוב מחדש של מסלולים על בסיס עומסים בזמן אמת.
"הלוגיסטיקה היא התחום שמוביל כיום את אימוץ ה-AI", מציין שריון. "במחסנים מודרניים הסביבה היא דינמית – אנשים הולכים, מלגזות עוברות, משטחים מונחים במקומות שונים. Physical AI מאפשר לרובוטים של MiR לא רק לעצור כשמישהו עובר בדרכם, אלא לנבא את מסלול ההליכה שלו ולעקוף אותו בצורה חלקה מבלי לעצור את רצף העבודה. היכולת הזו, המכונה 'תפיסה סמנטית', מאפשרת לרובוט להבחין בין אדם לבין קופסה קבועה ולפעול בהתאם".
תמונה 2: תפיסה סמנטית, מאפשרת לרובוט להבחין בין אדם לבין קופסה קבועה ולפעול בהתאם קרדיט: Universal Robot
מהצמדה ועד בדיקת איכות
היישומים בשטח כבר מוכיחים את עצמם. בתעשיית מוצרי החשמל הביתיים, למשל, הוטמעו פתרונות המשלבים ראייה תלת-ממדית עם זרועות קובוטיות של UR לצורך גילוי דליפות במדחסים – משימה שהייתה שמורה בעבר לבני אדם בלבד בשל מורכבותה. הרובוט נדרש "לראות" נקודות ריתוך שונות במיקומים משתנים, לתכנן מסלול בתוך חלל צפוף מלא בצינורות, ולבצע בדיקה מדויקת ללא התנגשויות. ״ה-AI מאפשר כאן רמת דיוק של 100 אחוז בזיהוי, תוך הפחתת זמני המחזור באופן משמעותי״.
בנוסף, פיתוחים כמו אלגוריתם ה-OptiMove של UR מדגימים כיצד AI משפר את התנועה הפיזית עצמה. האלגוריתם מבצע אופטימיזציה דינמית של המהירות והתאוצה בהתאם למגבלות החומרה, מה שמוביל לתנועות חלקות יותר, הפחתת רעידות ושיפור בזמני המחזור. ״אלו הפרטים הקטנים שעושים את ההבדל בין רובוט שעובד לבין רובוט שעובד ביעילות כלכלית״.
עתיד העבודה: שותפות ולא החלפה
אחד החששות הגדולים ביותר המדגיעים מהשטח בהתייחס לשימוש בבינה מלאכותית, אומר שריון, הוא החשש מאובדן מקומות עבודה. לדבריו, הנתונים מהשטח מציירים תמונה שונה. פרופ' ג'ולי שאה מ-MIT מדגישה את המושג "Positive-sum automation" – אוטומציה שמשלימה את היכולת האנושית. ״ה-Physical AI אינו מחליף את המחשבה האנושית, אלא משחרר אותה ממטלות סיזיפיות״.
לדבריה, הודות לממשקי תכנות פשוטים, מערכות הקובוטיות מהזן החדש מפחיתות את התלות במומחיות טכנית עמוקה וניתן להגדירן מחדש בקלות למשימות חדשות. הן מיועדות לקחת על עצמן עבודות מסוכנות, משעממות או לא נעימות, ובכך לשפר את סביבת העבודה האנושית. אימוצן מואץ לאחרונה בזכות התרחבות פתרונות plug-and-play מוכנים מראש, המאפשרים אוטומציה מהירה ללא צורך בהנדסה מורכבת. פתרונות אלו, המבוססים על פלטפורמות קוד פתוח, הם מודולריים וניתנים להרחבה, מה שהופך את האוטומציה לנגישה ומוכנה לעתיד. בסופו של דבר, הרובוטים המתקדמים מותאמים למשימה, כאשר בינה מלאכותית משפרת את יכולות הלמידה והביצועים שלהם.
במפעלים שבהם מוטמעים רובוטים שיתופיים של UR ו-MiR, אומר שריון, העובדים משתחררים ממשימות שוחקות, מסוכנות ומשעממות (Dull, Dirty, Dangerous) ועוברים לתפקידי בקרה וניהול המערכות. ה-AI הופך את הרובוט לכלי שקל יותר לתפעל אותו – במקום לכתוב קוד, המפעיל יכול לעיתים פשוט "להראות" לרובוט את התנועה הרצויה באמצעות למידה מהדגמה (Demonstration learning).
"הבינה המלאכותית משנה את תחום הרובוטיקה בקצב מהיר", אומר טאקאיוקי איטו, נשיא הפדרציה הבינלאומית לרובוטיקה (IFR). "שילוב AI ברובוטיקה מעצים יכולות, מגביר יעילות ומשפר את כושר ההסתגלות. התפתחות זו הופכת את ה-AI מטכנולוגיה תומכת למנוע צמיחה עוצמתי, הפותח את הדלת לאימוץ רחב יותר של רובוטים במגוון תעשיות".
תמונה 3: פתרונות plug-and-play מוכנים מראש, המאפשרים אוטומציה מהירה ללא צורך בהנדסה מורכב קרדיט: Universal Robots
תעשיות בחזית
נכון להיום, מספר מגזרים מרכזיים מובילים את הדרך בשילוב של בינה מלאכותית ורובוטיקה:
לוגיסטיקה ומחסנים מוזכרים לעיתים קרובות כתחום המוביל. מגמה זו מונעת על ידי ביקוש גבוה, השקעות זמינות וסביבות עבודה מבוקרות יחסית. תחומי האימוץ כוללים לוגיסטיקה, אחסנה ולוגיסטיקה פנים-ארגונית, וכן את שרשרת האספקה הרחבה יותר. .
מגזר הייצור והאוטומציה התעשייתית מהווה מוקד מרכזי להשקעות ברובוטיקה משולבת AI, ממלאים תפקיד מרכזי יותר ויותר באסטרטגיות ייצור מודרניות. המגזר חולש על קשת רחבה של תעשיות, הכוללת רכב, אלקטרוניקה ותעשיות כלליות כמו פארמה. קטגוריה זו מקיפה תהליכי ייצור עתירי מיומנות, מערכות אוטומציה מפעליות ומשימות הרכבה מדויקות.
מגזר השירותים הוא בין הלקוחות המובילים המאמצים רובוטיקה ובינה מלאכותית. ה-AI תומך באינטראקציה בין אדם לרובוט ומאפשר, למשל, תקשורת טבעית והגברת השימושיות וההתאמה האישית של הרובוטים. מגמה זו מונעת מעליית עלויות וממחסור בעובדים, במיוחד בשווקים רצופי מצבי מלחמה, שבהם הגיוס פיגר אחר הביקוש. העתיד טמון במודלים היברידיים שבהם רובוטים מטפלים במשימות חוזרות ובני אדם שמעניקים את המגע האישי.
חזון חדש
לדברי שריון, ההתרגשות סביב "בינה מגולמת" (Embodied AI) משכה באחרונה את תשומת לבם של שחקני טכנולוגיה מרכזיים וממשלות ברחבי העולם.
בארצות הברית, חברות כמו אמזון, טסלה ו-NVIDIA הכריזו על השקעות שוברות שיאים. הון סיכון זורם לאקו-סיסטם הולך וגדל של סטארט-אפים המתמקדים ביישומים רובוטיים ייעודיים.באירופה, חברת ABB הודיעה כי חתמה על הסכם למכירת חטיבת הרובוטיקה שלה לקבוצת SoftBank היפנית, מהלך המשלב את יכולות הרובוטיקה של ABB עם יכולות ה-AI של סופטבנק.
משרד התעשייה וטכנולוגיית המידע של סין (MIIT) הכריז על תוכנית פעולה ייעודית להאצת ה-Embodied AI, תוך מיצובו כ"תעשיית עתיד" קריטית לטרנספורמציה הכלכלית של סין.
שריון מעריך כי במהלך חמש עד עשר השנים הקרובות, ה-AI צפוי להיות מאומץ באופן נרחב ביישומי רובוטיקה שונים. מכיוון שבינה מלאכותית מגבירה את היעילות ומפחיתה שגיאות ועלויות תחזוקה, חברות מזהות לעיתים קרובות החזר השקעה (ROI) מהיר יותר בהשוואה למערכות ללא בינה מלאכותית.
"בסוף היום", מסכם שריון, "המטרה שלנו ב-SU-PAD היא לא להביא רובוט חכם רק ״בשביל הטכנולוגיה״. אנחנו מחפשים את הפתרון שייתן למפעל יציבות וגמישות. Physical AI הוא לא מדע בדיוני; הוא הכלי שמאפשר לתעשייה הישראלית להישאר תחרותית בעולם שבו כוח האדם הופך יקר ונדיר יותר. אנחנו בונים מערכות שהן שותפות של העובד, לא תחליף שלו. השאלה כיום אינה האם ה-AI ייכנס למפעל, אלא כמה מהר המנהלים יבינו שהגוף הפיזי של הבינה הזו הוא המפתח לצמיחה בעשור הקרוב״.
ערן שריון, מנהל תחום אוטומציה ורובוטיקה, SU-PAD קרדיט: SU-PAD
תמונת שער: הקובוטים החדשים – מדגימים יכולת תפיסה ׳אנושית׳, הסתגלות ולימוד עצמי קרדיט: Universal Robo
